標準化

データ分析の前処理で、各データから平均を引いて標準偏差で割り、平均0、標準偏差1のデータに変換すること。単位や大きさの異なる変数を同じ尺度で比較・分析できるようにする。変換後の値を z スコアという。

特徴量エンジニアリングの手法の一つで、各値から平均を引いて標準偏差で割り、平均0・分散1にそろえる変換。単位や桁の異なる特徴量を同じ尺度で比較でき、距離を使う手法（k-means法、k近傍法など）や勾配降下法による学習が安定する。最小値0・最大値1の範囲に収めるmin-max正規化と区別する。

概念データモデルを、関係モデルなど採用するデータベースの方式に合わせて具体化したデータモデル。関係データベースでは、正規化を行って表、列、主キー、外部キー、制約を定義する。索引や格納方法など、特定の製品や記憶装置に依存する事項は物理設計で決める。

正規化した表を、検索の性能を高める目的で、あえて結合したり、冗長な列や集計値を持たせたりすること。表の結合の処理を減らして問合せを速くできるが、同じデータを複数箇所で持つため、更新時に不整合が起きないよう管理する必要がある。

表のすべての列の値が、それ以上分解できない単一の値（原子値）であり、繰返し項目を含まない状態。非正規形の表から繰返しのグループを取り除き、1つのセルに1つの値だけが入るようにして得る。

第1正規形であり、かつ主キー以外のすべての列が、主キー全体に完全関数従属している状態。複合主キーの一部の列だけで値が決まる列（部分関数従属）を、別の表に分離して得る。

第2正規形であり、かつ主キー以外の列が、主キーに推移的に関数従属していない状態。主キー以外の列によって値が決まる列（推移的関数従属）を別の表に分離して得る。実務のデータベース設計では、多くの場合この段階まで正規化する。

本来値が入るべき項目にデータが存在しない状態、またはその項目。対処には、欠損を含むレコードや項目を分析から除外する方法と、平均値・中央値・最頻値や前後の値、回帰などによる予測値で補完する方法があり、欠損が生じた理由によって結果に偏りが生じないかに注意する。